Dự đoán tác động kinh tế của trí tuệ nhân tạo

Tháng 5 năm 2026, Ủy viên Cục Dự trữ Liên bang Lisa D Cook đã có bài phát biểu chuyên đề tại Viện Nghiên cứu Chính sách Kinh tế Stanford, hệ thống trình bày ảnh hưởng kép của trí tuệ nhân tạo đối với nền kinh tế và hệ thống tài chính Mỹ. Bài phát biểu kết hợp tình hình vĩ mô hiện tại, xoay quanh trí tuệ nhân tạo (AI), trình bày tác động của cơn sốt đầu tư AI đối với lạm phát, việc làm, tăng trưởng, phân tích giá trị đổi mới trong lĩnh vực tài chính cùng các rủi ro tiềm ẩn, đồng thời giới thiệu các ví dụ thực tiễn của Cục Dự trữ Liên bang trong việc triển khai AI để thực hiện phân tích giám sát, đề xuất hướng phát triển song song giữa đổi mới và kiểm soát rủi ro với thái độ lạc quan thận trọng, nội dung vừa có tầm nhìn vĩ mô vừa có giá trị tham khảo thực tiễn ngành. Viện Công nghệ Tài chính thuộc Đại học Nhân dân Trung Quốc đã biên dịch phần cốt lõi của nghiên cứu.

Tình hình vĩ mô và tác động truyền dẫn của trí tuệ nhân tạo

Lisa bắt đầu bài phát biểu bằng cách kết hợp tình hình hoạt động của nền kinh tế Mỹ hiện tại, phân tích các tác động đa chiều của AI dựa trên mục tiêu kép của Cục Dự trữ Liên bang (dual mandate), và dựa trên đó giải thích logic thực thi chính sách tiền tệ hiện nay.

(Một) Lạm phát: Tác động ngắn hạn và áp lực lâu dài

Vấn đề lạm phát của Mỹ hiện nay nổi bật, tính đến tháng 4 năm 2026, chỉ số giá tiêu dùng cá nhân (PCE, Personal Consumption Expenditures price index) tăng 3,8% so với cùng kỳ năm trước, mức này rõ ràng vượt xa mục tiêu 2% của Cục Dự trữ Liên bang. Sau khi loại trừ các mặt hàng biến động lớn như thực phẩm và năng lượng, chỉ số giá tiêu dùng cá nhân cốt lõi (core PCE) tăng 3,3% so với cùng kỳ, lập mức cao mới kể từ năm 2023. Nguyên nhân trực tiếp của đợt tăng giá này là do tình hình Iran dẫn đến giá dầu thành phẩm tăng cao, từ lý thuyết, các xung đột về thuế quan, tác động địa chính trị đều thuộc về các biến động ngắn hạn, dự báo thị trường kỳ vọng giá dầu quốc tế sẽ giảm vào cuối năm nay.

Lisa nhấn mạnh trong bài phát biểu rằng, các tác động giá cả ngắn hạn vẫn tiềm ẩn nguy cơ chuyển biến thành lạm phát trung dài hạn. Các doanh nghiệp dễ dàng đưa đợt tăng giá tạm thời vào hệ thống định giá bình thường, người lao động cũng sẽ tham khảo mức giá hiện tại trong đàm phán lương, từ đó sinh ra nguy cơ vòng xoáy tiền lương - giá cả (wage-price spiral). Đồng thời, cơn sốt đầu tư quy mô lớn vào AI càng làm trầm trọng thêm mất cân đối cung cầu trên thị trường. Hiện tại, các doanh nghiệp toàn cầu đã công bố kế hoạch xây dựng trung tâm dữ liệu với tổng giá trị vượt 1,5 nghìn tỷ USD, trong đó phần lớn vẫn đang trong giai đoạn chuẩn bị, nhu cầu đầu tư liên tục thúc đẩy giá các sản phẩm đầu vào như chip, phần mềm và phần cứng cao cấp tăng cao. Trong năm qua, tiền lương các ngành xây dựng đặc thù đã tăng rõ rệt, giá điện, nước cũng tăng khoảng 5%. Ngoài các trung tâm dữ liệu, các khoản đầu tư cố định liên quan đến AI như robot cũng sẽ tiếp tục mở rộng, áp lực nhu cầu trung và dài hạn sẽ duy trì hỗ trợ cho giá cả.

**

(2) Thị trường lao động: Bề ngoài ổn định và rủi ro sâu xa

**

Thị trường lao động hiện duy trì trạng thái ổn định chung, tháng 4 năm 2026, tỷ lệ thất nghiệp của Mỹ là 4,3%, gần như không có biến động lớn kể từ mùa hè năm ngoái, phù hợp với tỷ lệ thất nghiệp tự nhiên (natural rate), cho thấy cung cầu lao động cơ bản cân bằng. Mặc dù liên tục xuất hiện các tin tức về sa thải doanh nghiệp, số người nộp đơn xin trợ cấp thất nghiệp lần đầu vẫn duy trì ở mức thấp, tình hình việc làm tạm thời ổn định. Tuy nhiên, Lisa chỉ ra rằng, rủi ro suy giảm của thị trường lao động đang tích tụ dần, xung đột địa chính trị ở Trung Đông gây ra bất định kinh tế sẽ kìm hãm tổng cầu của thị trường, các doanh nghiệp cũng sẽ thận trọng hơn trong tuyển dụng, khiến thị trường việc làm hiện nay có đặc điểm ít tuyển dụng hơn. Xét từ góc độ phát triển dài hạn, AI có thể gây ra cuộc tái cấu trúc lớn nhất về cơ cấu việc làm trong nhiều thế hệ, dù chưa có hiện tượng thất nghiệp quy mô lớn, tốc độ giảm số lượng việc làm do AI mang lại có khả năng nhanh hơn tốc độ tạo ra các vị trí mới, sự luân chuyển nhân lực ngày càng gia tăng sẽ trở thành xu hướng tất yếu. Kết hợp dữ liệu khảo sát tín dụng doanh nghiệp nhỏ năm 2025 của Cục Dự trữ Liên bang, phần lớn doanh nghiệp nhỏ hiện chưa bị ảnh hưởng bởi chi phí nhân công do AI thay đổi, nhưng đa số dự đoán rằng trong tương lai, họ sẽ dựa vào AI để hoàn toàn điều chỉnh mô hình kinh doanh, cuộc cách mạng về việc làm chỉ còn là vấn đề thời gian.

**

(3) Tăng trưởng: Lạc quan về năng suất và lợi ích của kinh tế tri thức

**

Trong lĩnh vực tăng trưởng kinh tế, Lisa duy trì thái độ lạc quan. Năm qua, GDP của Mỹ tăng trưởng mạnh mẽ, năng suất lao động vượt mức trung bình trước dịch bệnh, tinh thần khởi nghiệp vẫn duy trì ở mức cao. Cô kết hợp lý thuyết tăng trưởng nội sinh để trình bày rằng, AI là công nghệ có giá trị mang tính cách mạng, kể từ sau Chiến tranh Thế giới thứ hai, các khoản đầu tư dài hạn vào lĩnh vực kinh tế tri thức đang tận dụng AI để bùng nổ các thành quả sáng tạo. Khi AI được tích hợp hệ thống vào quy trình sản xuất của doanh nghiệp, năng suất lao động sẽ tiếp tục được nâng cao, tạo nền tảng vững chắc cho tăng trưởng kinh tế Mỹ trung và ngắn hạn.

**

(4) Chính sách tiền tệ: Ổn định thận trọng, thiên về thắt chặt

**

Dựa trên đánh giá tổng thể về kinh tế vĩ mô, Lisa trình bày chiến lược chính sách tiền tệ hiện tại. Từ góc độ quản lý rủi ro, lựa chọn tối ưu hiện nay là giữ nguyên lãi suất cơ bản. Cấu trúc rủi ro của hoạt động kinh tế hiện tại không đồng đều, rủi ro tăng giá vẫn là mâu thuẫn chính. Theo dự báo cơ bản, trong vài tháng tới, lạm phát sẽ dần giảm, thị trường lao động cũng sẽ duy trì ổn định, chưa cần điều chỉnh lãi suất. Tuy nhiên, Mỹ đã duy trì lạm phát cao hơn mục tiêu trong 5 năm liên tiếp, nếu giá cả cao cố định trong cơ chế định giá và đàm phán lương, sẽ hình thành các nguy cơ dài hạn. Lisa rõ ràng tuyên bố rằng, nếu lạm phát không giảm như kỳ vọng, Fed sẽ tăng lãi suất; nếu thị trường lao động có dấu hiệu xấu đi rõ rệt, sẽ điều chỉnh giảm lãi suất phù hợp, các quyết định chính sách sẽ linh hoạt dựa trên dữ liệu kinh tế.

Cơ hội phát triển của hệ thống tài chính từ trí tuệ nhân tạo

Nói về giá trị của AI đối với hệ thống tài chính, Lisa cho biết, AI có thể nâng cao năng suất toàn diện, thúc đẩy quá trình đổi mới nhanh hơn, hỗ trợ các doanh nghiệp mới ra đời và tạo ra các vị trí việc làm mới, từ góc độ vĩ mô giúp giảm áp lực lạm phát. Trong nội bộ Cục Dự trữ Liên bang, mô hình thử nghiệm sáng tạo dựa trên AI rất được khuyến khích, lấy cảm hứng từ kinh nghiệm phát triển của Silicon Valley, dẫn đầu xây dựng mạng lưới nghiên cứu kinh tế công nghệ mới, chia sẻ kết quả nghiên cứu và thực tiễn ứng dụng AI trong toàn hệ thống Fed, khuyến khích nhân viên khám phá các hướng ứng dụng mới của AI, đồng thời dung hòa các sai sót trong quá trình đổi mới. Hiện tại, ngành tài chính đã đi tiên phong ứng dụng AI trong các lĩnh vực truyền thống đòi hỏi nhiều nhân lực, tiêu tốn nhiều tài nguyên như kiểm tra tuân thủ, trung tâm dịch vụ khách hàng, vận hành hậu trường, đều đã được nâng cấp trí tuệ, nâng cao hiệu quả công việc rõ rệt. Các công cụ AI cũng giúp phân tích dữ liệu hiệu quả hơn, nhờ công nghệ mã hóa thông minh, các tổ chức tài chính có thể giải quyết các vấn đề lâu dài như cập nhật mã hệ thống cũ (legacy code), kết nối đa hệ thống. Các doanh nghiệp công nghệ lớn và tổ chức tài chính còn dùng AI để chủ động rà quét các lỗ hổng an ninh mạng (cyber vulnerabilities), củng cố hệ thống phòng thủ. Nhìn xa hơn, AI có khả năng cách mạng hóa ngành tài chính: dựa vào AI để tạo ra các sản phẩm tài chính tùy chỉnh, thiết kế dịch vụ phân biệt theo nhu cầu khách hàng, mở rộng phạm vi các sản phẩm phức tạp đến nhiều nhóm khách hàng hơn; đối với nhà đầu tư bán lẻ, công cụ phân tích AI giúp họ sớm phát hiện xu hướng thị trường, nhận diện rủi ro tiềm ẩn; khi hiệu quả hoạt động ngành tăng lên, dòng vốn sẽ chảy nhiều hơn vào lĩnh vực tín dụng và đầu tư, thúc đẩy nền kinh tế thực, tạo chu trình kinh tế lành mạnh.

Rủi ro tài chính do AI gây ra và điểm yếu của hệ thống

Lisa cũng khách quan chỉ ra rằng, đổi mới công nghệ tất yếu đi kèm các rủi ro, nếu thiếu các quy định và kiểm soát hiệu quả, AI sẽ làm trầm trọng các điểm yếu vốn có của hệ thống tài chính, đồng thời sinh ra các rủi ro mới. Các rủi ro tài chính liên quan đến AI chủ yếu tập trung vào bốn lĩnh vực.

Thứ nhất là rủi ro thị trường từ giao dịch thuật toán dựa trên AI (AI-driven algorithmic trading), các thuật toán truyền thống dựa vào mã cố định và quy tắc đơn giản để thực hiện giao dịch tần suất cao, mô hình hoạt động khá cứng nhắc, trong khi Generative AI và máy học có khả năng tự học, có thể điều chỉnh chiến lược dựa trên dữ liệu lịch sử, thị trường theo thời gian thực và thông tin phi cấu trúc như văn bản. Các hình thức giao dịch mới này dễ gây ra hành vi đồng thuận trong thị trường, dẫn đến vấn đề cấu kết nội bộ (endogenous model collusion), giảm thiểu rào cản thao túng thị trường, còn đẩy mạnh tập trung thị trường (market concentration), gây rối loạn trật tự bình thường, đe dọa ổn định tài chính.

Thứ hai là rủi ro truyền dẫn từ cuộc cách mạng ngành nghề sang thị trường tín dụng. AI gây ra tác động phá vỡ một số ngành truyền thống, xu hướng này đã thể hiện rõ trong thị trường trái phiếu. Do kỳ vọng tái cấu trúc ngành, chênh lệch tín dụng của trái phiếu đầu cơ (speculative-grade bonds) trong lĩnh vực công nghệ tiếp tục mở rộng; sau khi một số doanh nghiệp AI hàng đầu tung ra sản phẩm mới, lo ngại về các tài sản tín dụng liên quan gia tăng, dẫn đến rút vốn hàng loạt, gây tác động tiêu cực đến trái phiếu giao dịch trong và ngoài thị trường, đặc biệt là các công ty phát hành trái phiếu doanh nghiệp không niêm yết.

Thứ ba là rủi ro từ việc xây dựng hạ tầng AI dẫn đến đòn bẩy nợ. Các doanh nghiệp công nghệ lớn vay nợ để đầu tư trung tâm dữ liệu và các thiết bị phần cứng AI, phát hành trái phiếu đầu tư cấp cao (investment-grade bonds), các nhà vận hành trung tâm dữ liệu nhỏ hơn dựa vào tín dụng tư nhân, thị trường tài sản thế chấp để huy động vốn. Quy mô vay nợ trong lĩnh vực công nghệ mới không ngừng mở rộng, tỷ lệ đòn bẩy tăng cao, tích tụ rủi ro hệ thống. Lisa bổ sung rằng, dù mức độ đòn bẩy hiện tại chưa đạt đỉnh của cuộc khủng hoảng tài chính toàn cầu trước đây, xu hướng phát hành trái phiếu không kiểm soát vẫn cần cảnh giác cao.

Thứ tư là rủi ro an ninh mạng, lĩnh vực đang nhận được nhiều quan tâm nhất hiện nay. Các mô hình ngôn ngữ lớn (LLM, Large Language Models) và trí tuệ nhân tạo tự hành (AI agent) có khả năng nâng cao năng lực phòng thủ hệ thống, nhưng cũng có thể bị lợi dụng. Ví dụ, mô hình Mythos của Anthropic có thể phát hiện các lỗ hổng phần mềm chưa từng được phát hiện trước đó, nếu bị hacker khai thác, sẽ đe dọa nghiêm trọng an toàn hệ thống tài chính và hạ tầng quan trọng. Đồng thời, AI làm giảm đáng kể rào cản trong lập trình, số lượng mã nguồn tăng nhanh, gây áp lực cho hệ thống kiểm tra an toàn hiện tại, các lỗi phần mềm không do cố ý cũng dễ gây gián đoạn dịch vụ tài chính. Tuy nhiên, AI cũng có thể xây dựng các hệ thống phòng thủ, chống lại các cuộc tấn công mạng, tạo ra thế cân bằng trong cuộc chiến công nghệ phòng thủ và tấn công.

Thực tiễn ứng dụng AI của Cục Dự trữ Liên bang

Lisa giới thiệu chi tiết các thực tiễn của Fed trong ứng dụng AI, hiện tại Ủy ban Thị trường Mở Liên bang (FOMC) chưa sử dụng AI để xây dựng chính sách tiền tệ, nhưng các bộ phận của Fed đã ứng dụng rộng rãi AI trong giám sát ổn định tài chính, phân tích rủi ro. Thông qua phát triển và triển khai các công cụ thông minh, các cơ quan quản lý có thể nhận diện chính xác hơn các rủi ro mới phát sinh từ AI, cũng như phát hiện các nguy cơ dễ bị bỏ sót trong các phương pháp giám sát truyền thống.

Thực tiễn của Fed về AI gồm hai phần chính. Phần đầu là thành lập nhóm kỹ thuật chuyên môn, nghiên cứu các cơ hội và rủi ro từ an ninh mạng, AI, tính toán lượng tử. Nhóm dựa trên các mô hình ngôn ngữ lớn để thực hiện các thí nghiệm mô phỏng, nghiên cứu ảnh hưởng của AI tự sinh đối với hành vi nhà đầu tư, kết quả cho thấy AI có xu hướng dựa vào dữ liệu và logic để ra quyết định, có thể giảm thiểu hành vi theo đuổi đám đông (animal spirits), giảm khả năng hình thành bong bóng tài sản. Nhóm còn sử dụng kỹ thuật phân phối kiến thức chủ động (active knowledge distillation) để phát triển các mô hình AI nhẹ, giảm 80% chi phí tính toán mà vẫn duy trì độ chính xác phân loại, có thể xử lý hiệu quả các tài liệu giám sát, báo cáo tài chính, tin tức. Ngoài ra, nhân viên còn dùng công nghệ xử lý ngôn ngữ tự nhiên (Natural Language Processing) để phân tích hàng chục năm văn bản của Báo cáo Beigebook, xác nhận rằng dữ liệu cảm xúc trong văn bản có thể dự đoán suy thoái kinh tế, nâng cao khả năng cảnh báo rủi ro vĩ mô.

Phần thứ hai là tổ chức các buổi tập huấn thực hành AI cho các nhân viên của Hội đồng Thống đốc Fed và 12 ngân hàng dự trữ khu vực, khám phá ứng dụng của công nghệ này trong phân tích ổn định tài chính. AI tự hành có khả năng suy luận độc lập, lựa chọn phương pháp phân tích, hoàn thành các nhiệm vụ phức tạp, thể hiện vượt trội so với phân tích thủ công trong việc nhận diện rủi ro dựa trên mạng lưới liên kết. Do hạn chế về nhân lực và năng lực tính toán, phương pháp truyền thống khó có thể phân tích toàn diện các cấu trúc mạng lưới tài chính phức tạp, còn AI tự hành có thể thực hiện các cuộc rà quét hệ thống toàn diện. Các công cụ này còn có thể thiết lập và chạy đồng loạt các kịch bản mô phỏng ổn định tài chính, thay thế các công việc tốn nhiều thời gian và nhân lực trước đây. Để tránh sai sót trong đánh giá của thuật toán, Fed thiết lập nhiều cơ chế kiểm tra chéo, yêu cầu nhiều AI cùng xác nhận, chủ động đưa vào các quan điểm phản biện, kết quả cuối cùng sẽ được các nhà nghiên cứu xem xét lại, mô hình này lấy cảm hứng từ phương pháp tư duy phản biện và nghiên cứu học thuật, cân bằng giữa hiệu quả và độ chính xác.

Kết luận và quan điểm phát triển

Cuối cùng, Lisa nhấn mạnh rằng, sự phát triển của AI cần dựa trên ba nền tảng chính là thử nghiệm khám phá, quy tắc quản lý và kiểm soát rủi ro. Hiện tại, các tổ chức tài chính và doanh nghiệp công nghệ đều đang thúc đẩy nhanh quá trình ứng dụng AI, tốc độ đổi mới ngày càng tăng, các nhà quản lý chỉ có thể nhận thức rõ ràng, hiểu sâu về hệ thống vận hành để có thể xác định chính xác rủi ro và hướng dẫn ngành phát triển lành mạnh.

AI có khả năng phân tích mạnh mẽ, mở rộng giới hạn công việc của con người, nhưng lợi thế công nghệ phải dựa trên một khung quản lý hoàn chỉnh. Ở giai đoạn này, mô hình tối ưu là hợp tác giữa người và máy, sử dụng AI để nâng cao khả năng đánh giá của con người, đồng thời tích hợp các cơ chế kiểm tra trong hệ thống để tránh lệch lạc trong thuật toán và quyết định sai lầm. Trong thời điểm quan trọng của cuộc cách mạng công nghệ, Fed duy trì thái độ lạc quan về sự phát triển của AI, đồng thời kiên trì nguyên tắc thận trọng, khuyến khích đổi mới sáng tạo nhưng không quên giữ vững các nguyên tắc ổn định vĩ mô và hệ thống tài chính.